电影推荐引擎。
recommendr的Python项目详细描述
一、二、二、三、三、四、四、四、四、四、四、四、四、四、四、四、四、四、四、四、四、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、图片::https://badge.fury.io/py/recommender.png
:目标:http://badge.fury.io/py/recommender
图片::https://travis-ci.org/chrislawlor/recommender.png?branch=master
:目标:https://travis ci.org/chrislawlor/recommender
…图片::https://pypip.in/d/recommender/badge.png
:目标:https://crate.io/packages/recommender?version=latest
>电影推荐引擎。
*免费软件:bsd许可证
*文档:http://recommender.rtfd.org.
features
--
*用于存储电影和分级数据的redis后端。
*一个简单的基于用户的推荐算法,具有可交换距离功能。
*基于项的推荐算法正在工作中。
*一个演示命令行客户端。
尝试一下
----
*克隆repo::
git clone git@github.com:chrislawlor/recommender.git
*使用virtualenvwrapper创建python虚拟环境::
mkvirtualenv recommender
*安装要求:
pip install-r requirements.txt
*安装建议:
*首先,将一些movielens数据导入redis::
python data/import廑data.py
*运行演示程序::
演示程序将询问您的评分,直到您对5部电影进行了评分,然后
它将给出一些建议。建议您在运行演示程序的次数越多时就应该改进。
*注意*:如果您的redis实例不是“locahost:6379”,请设置
“redis主机”和“redis端口”环境变量。如果您希望使用1以外的redis db,请设置``redis-db`.
相似度=sim_distance)
返回给定用户的最佳推荐。它默认使用
欧氏距离作为相似函数,有选择地通过
``recommmender.similament.simu pearson``来使用皮尔逊系数。
:
>
>
>
>>>
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
*PYPI上的第一个版本。
:目标:http://badge.fury.io/py/recommender
图片::https://travis-ci.org/chrislawlor/recommender.png?branch=master
:目标:https://travis ci.org/chrislawlor/recommender
…图片::https://pypip.in/d/recommender/badge.png
:目标:https://crate.io/packages/recommender?version=latest
>电影推荐引擎。
*免费软件:bsd许可证
*文档:http://recommender.rtfd.org.
features
--
*用于存储电影和分级数据的redis后端。
*一个简单的基于用户的推荐算法,具有可交换距离功能。
*基于项的推荐算法正在工作中。
*一个演示命令行客户端。
尝试一下
----
*克隆repo::
*使用virtualenvwrapper创建python虚拟环境::
mkvirtualenv recommender
*安装要求:
pip install-r requirements.txt
*安装建议:
*首先,将一些movielens数据导入redis::
python data/import廑data.py
*运行演示程序::
演示程序将询问您的评分,直到您对5部电影进行了评分,然后
它将给出一些建议。建议您在运行演示程序的次数越多时就应该改进。
*注意*:如果您的redis实例不是“locahost:6379”,请设置
“redis主机”和“redis端口”环境变量。如果您希望使用1以外的redis db,请设置``redis-db`.
相似度=sim_distance)
返回给定用户的最佳推荐。它默认使用
欧氏距离作为相似函数,有选择地通过
``recommmender.similament.simu pearson``来使用皮尔逊系数。
:
>
>
>
>>>
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
*PYPI上的第一个版本。